汽车车身装配精度是整车质量、制造成本和市场表现的重要影响之一,因此车身装配的质量控制与诊断方法一直受到学术界和工业界的高度重视。车身装配偏差预测控制与诊断是提升产品质量的重要途径。然而,装配系统的复杂性和观测信息的不完备性,使得各类偏差源与车身装配质量之间的影响关系难以准确描述,制约了模型预测控制的有效性;同时,车身装配工位多、多故障源耦合的特点制约了传统的基于统计的诊断方法在小样本条件下的应用,使得故障诊断的周期长、成本高。多源信息融合技术是一种在有限信息条件下进行数据挖掘的有效方法。一方面,可以将多种装配偏差预测方法进行融合,从而解决由于使用的技术以及提取的信息有限所导致的传统的单一模型预测精度不高的问题;另一方面,可以将当前测量数据与工艺知识相融合,实现小样本下的故障诊断。本文将多源信息融合技术应用到车身装配质量提升之中,提出基于多源信息融合的装配偏差预测控制与实时诊断方法。首先,根据车身制造的特点建立了基于变权组合预测的车身装配偏差模型;然后,研究了基于融合模型的合格率预测方法和预测控制方法;之后,研究了基于测量数据与工艺知识的融合的故障源实时诊断方法;最后,结合实际工程案例对本文所述方法的有效性进行了验证。本文的主要研究内容如下:(1)基于多源信息融合的车身装配偏差建模为提高车身装配质量模型预测的准确性,研究了基于偏差理论与多源测量数据的变权重组合预测模型建立方法。首先分析了实际装配过程中主要的偏差传递关系,定义了装配偏差模型的输入与输出;然后基于偏差传递理论与多源回归理论建立了两种单一预测模型;在此基础上,研究了变权组合预测模型的建模方法、权重系数求解方法以及权重系数的外推方法。(2)基于融合模型的模型预测控制(MPC)方法的研究针对传统的经验驱动的质量控制方法在工作效率方面的不足,本文基于融合模型研究了质量预测控制的方法。首先通过对影响因素的分布估计,利用蒙特卡洛仿真建立了基于融合模型的合格率预测方法。针对预测不合格的情况,结合工艺知识与变量贡献率,基于融合模型建立了一种综合成本驱动的预测控制策略。(3)基于知识的在线偏差源诊断方法的研究针对传统故障诊断方法难以实现实时诊断的问题,本文基于装配工艺知识与高维末端测量数据研究了小样本下装配故障源的诊断方法。首先,通过整合装配过程中的工艺知识构建了工艺装配树。然后,结合工艺装配树中的零件信息与末端工位测量数据研究了潜在故障集合的确定方法。之后,结合零件的定位方式研究了表征零部件之间相对位姿关系的子坐标系的建立方法。在此基础上,研究了基于二范数的零件子坐标系之间的判异方法。最后,根据判异结果与工艺装配树中零部件的装配关系建立了相对位姿矩阵,并研究了基于相对位姿矩阵的故障识别方法。本文提出的融合建模与质量控制理论将为智能制造模式下的装配质量保证提供参考和依据。